Clusterización de viajeros empleando el algoritmo CLARA
Álvaro de Prada
9/11/2017
En primer lugar cargamos todos los paquetes que vamos a emplear en la práctica:
require(cluster) # para los algoritmos PAM y CLARA ## Loading required package: clusterrequire(fpc) # idem## Loading required package: fpcrequire(factoextra) # para visualizar## Loading required package: factoextra## Loading required package: ggplot2## Welcome! Related Books: `Practical Guide To Cluster Analysis in R` at https://goo.gl/13EFCZlibrary(readr)
require(NbClust)## Loading required package: NbClustEmplearemos a continuación el Método Clara:
Empezamos cargando los datos:
viajerosv5 <- read.csv("viajeros.csv")Nos deshacemos de los valores perdidos:
naviajeros <- na.omit(viajerosv5)Y nos quedamos con las variables numéricas:
naviajeros <- naviajeros[,4:31]Y comprobamos los distintos valores de cada variable:
summary(naviajeros)## IMPRESION VALORACION_ALOJ VALORACION_TRATO_ALOJ
## Min. :1.000 Min. : 1.000 Min. : 1.000
## 1st Qu.:4.000 1st Qu.: 7.000 1st Qu.: 7.000
## Median :4.000 Median : 8.000 Median : 9.000
## Mean :4.262 Mean : 7.933 Mean : 8.191
## 3rd Qu.:5.000 3rd Qu.:10.000 3rd Qu.:10.000
## Max. :5.000 Max. :10.000 Max. :10.000
## VALORACION_GASTRONO_ALOJ VALORACION_CLIMA VALORACION_ZONAS_BANYO
## Min. : 1.000 Min. : 1.000 Min. : 1.000
## 1st Qu.: 6.000 1st Qu.: 8.000 1st Qu.: 7.000
## Median : 8.000 Median : 9.000 Median : 8.000
## Mean : 7.476 Mean : 8.553 Mean : 8.102
## 3rd Qu.: 9.000 3rd Qu.:10.000 3rd Qu.:10.000
## Max. :10.000 Max. :10.000 Max. :10.000
## VALORACION_PAISAJES VALORACION_MEDIO_AMBIENTE VALORACION_TRANQUILIDAD
## Min. : 1.000 Min. : 1.000 Min. : 1.000
## 1st Qu.: 7.000 1st Qu.: 7.000 1st Qu.: 7.000
## Median : 9.000 Median : 8.000 Median : 8.000
## Mean : 8.257 Mean : 8.105 Mean : 8.106
## 3rd Qu.:10.000 3rd Qu.: 9.000 3rd Qu.:10.000
## Max. :10.000 Max. :10.000 Max. :10.000
## VALORACION_LIMPIEZA VALORACION_CALIDAD_RESTAUR
## Min. : 1.000 Min. : 1.000
## 1st Qu.: 7.000 1st Qu.: 7.000
## Median : 8.000 Median : 8.000
## Mean : 7.991 Mean : 7.655
## 3rd Qu.: 9.000 3rd Qu.: 9.000
## Max. :10.000 Max. :10.000
## VALORACION_OFERTA_GASTR_LOC VALORACION_TRATO_RESTAUR
## Min. : 1.000 Min. : 1.000
## 1st Qu.: 6.000 1st Qu.: 7.000
## Median : 8.000 Median : 8.000
## Mean : 7.396 Mean : 8.033
## 3rd Qu.: 9.000 3rd Qu.: 9.000
## Max. :10.000 Max. :10.000
## VALORACION_PRECIO_RESTAUR VALORACION_CULTURA VALORACION_DEPORTES
## Min. : 1.000 Min. : 1.000 Min. : 1.000
## 1st Qu.: 7.000 1st Qu.: 6.000 1st Qu.: 6.000
## Median : 8.000 Median : 7.000 Median : 8.000
## Mean : 7.524 Mean : 7.136 Mean : 7.427
## 3rd Qu.: 9.000 3rd Qu.: 8.000 3rd Qu.: 9.000
## Max. :10.000 Max. :10.000 Max. :10.000
## VALORACION_GOLF VALORACION_PARQUES_OCIO VALORACION_AMBIENTE_NOCTURNO
## Min. : 1.000 Min. : 1.000 Min. : 1.000
## 1st Qu.: 5.000 1st Qu.: 6.000 1st Qu.: 6.000
## Median : 7.000 Median : 8.000 Median : 8.000
## Mean : 6.754 Mean : 7.193 Mean : 7.211
## 3rd Qu.: 9.000 3rd Qu.: 9.000 3rd Qu.: 9.000
## Max. :10.000 Max. :10.000 Max. :10.000
## VALORACION_EXCURSIONES VALORACION_RECREO_NINYOS VALORACION_SALUD
## Min. : 1.000 Min. : 1.000 Min. : 1.000
## 1st Qu.: 6.000 1st Qu.: 6.000 1st Qu.: 6.000
## Median : 8.000 Median : 7.000 Median : 8.000
## Mean : 7.367 Mean : 7.145 Mean : 7.244
## 3rd Qu.: 9.000 3rd Qu.: 9.000 3rd Qu.: 9.000
## Max. :10.000 Max. :10.000 Max. :10.000
## VALORACION_SERVICIOS_BUS VALORACION_SERVICIOS_TAXI VALORACION_ALQ_VEHIC
## Min. : 1.000 Min. : 1.000 Min. : 1.000
## 1st Qu.: 6.000 1st Qu.: 7.000 1st Qu.: 7.000
## Median : 8.000 Median : 8.000 Median : 8.000
## Mean : 7.421 Mean : 7.983 Mean : 7.686
## 3rd Qu.: 9.000 3rd Qu.: 9.000 3rd Qu.: 9.000
## Max. :10.000 Max. :10.000 Max. :10.000
## VALORACION_SEGURIDAD VALORACION_ESTADO_CARRETERAS
## Min. : 1.000 Min. : 1.000
## 1st Qu.: 7.000 1st Qu.: 6.250
## Median : 8.000 Median : 8.000
## Mean : 7.951 Mean : 7.597
## 3rd Qu.: 9.000 3rd Qu.: 9.000
## Max. :10.000 Max. :10.000
## VALORACION_CALIDAD_COMERCIO
## Min. : 1.000
## 1st Qu.: 6.000
## Median : 8.000
## Mean : 7.428
## 3rd Qu.: 9.000
## Max. :10.000Necesitaremos reducir el tamaño de los datos para poder ejecutar más adelante ciertas funciones que requieren bastante poder computacional. Por ello escogemos una muestra de 500 observaciones:
set.seed(123)
naviajeros.mas = naviajeros[sample(1:nrow(naviajeros), 500, replace=FALSE),] Y tipificamos para poder trabajar con variables con medidas equitativas/comparables:
naviajeros.tip = scale(naviajeros.mas)
summary(naviajeros.tip)## IMPRESION VALORACION_ALOJ VALORACION_TRATO_ALOJ
## Min. :-3.8157 Min. :-3.79691 Min. :-3.9349
## 1st Qu.:-0.3342 1st Qu.:-0.55446 1st Qu.:-0.1399
## Median :-0.3342 Median :-0.01405 Median : 0.4023
## Mean : 0.0000 Mean : 0.00000 Mean : 0.0000
## 3rd Qu.: 0.8263 3rd Qu.: 1.06677 3rd Qu.: 0.9444
## Max. : 0.8263 Max. : 1.06677 Max. : 0.9444
## VALORACION_GASTRONO_ALOJ VALORACION_CLIMA VALORACION_ZONAS_BANYO
## Min. :-2.9671 Min. :-4.7470 Min. :-4.1666
## 1st Qu.:-0.7268 1st Qu.:-0.3540 1st Qu.:-0.7021
## Median : 0.1694 Median : 0.2736 Median : 0.4527
## Mean : 0.0000 Mean : 0.0000 Mean : 0.0000
## 3rd Qu.: 0.6174 3rd Qu.: 0.9012 3rd Qu.: 1.0301
## Max. : 1.0655 Max. : 0.9012 Max. : 1.0301
## VALORACION_PAISAJES VALORACION_MEDIO_AMBIENTE VALORACION_TRANQUILIDAD
## Min. :-3.9327 Min. :-4.1109 Min. :-4.0607
## 1st Qu.:-0.6736 1st Qu.:-0.6737 1st Qu.:-0.6871
## Median : 0.4128 Median :-0.1008 Median : 0.4374
## Mean : 0.0000 Mean : 0.0000 Mean : 0.0000
## 3rd Qu.: 0.9560 3rd Qu.: 1.0449 3rd Qu.: 0.9997
## Max. : 0.9560 Max. : 1.0449 Max. : 0.9997
## VALORACION_LIMPIEZA VALORACION_CALIDAD_RESTAUR
## Min. :-3.72545 Min. :-3.8276
## 1st Qu.:-0.56024 1st Qu.:-0.3855
## Median :-0.03271 Median : 0.1882
## Mean : 0.00000 Mean : 0.0000
## 3rd Qu.: 0.49483 3rd Qu.: 0.7618
## Max. : 1.02236 Max. : 1.3355
## VALORACION_OFERTA_GASTR_LOC VALORACION_TRATO_RESTAUR
## Min. :-3.1278 Min. :-3.92255
## 1st Qu.:-0.6611 1st Qu.:-0.54007
## Median : 0.3256 Median : 0.02368
## Mean : 0.0000 Mean : 0.00000
## 3rd Qu.: 0.8190 3rd Qu.: 0.58742
## Max. : 1.3123 Max. : 1.15117
## VALORACION_PRECIO_RESTAUR VALORACION_CULTURA VALORACION_DEPORTES
## Min. :-3.4197 Min. :-2.96744 Min. :-3.3471
## 1st Qu.:-0.2957 1st Qu.:-0.56193 1st Qu.:-0.3807
## Median : 0.2249 Median :-0.08083 Median : 0.2641
## Mean : 0.0000 Mean : 0.00000 Mean : 0.0000
## 3rd Qu.: 0.7456 3rd Qu.: 0.88138 3rd Qu.: 0.7800
## Max. : 1.2663 Max. : 1.36248 Max. : 1.2959
## VALORACION_GOLF VALORACION_PARQUES_OCIO VALORACION_AMBIENTE_NOCTURNO
## Min. :-2.34240 Min. :-2.6872 Min. :-2.9529
## 1st Qu.:-0.71743 1st Qu.:-0.4968 1st Qu.:-0.5876
## Median : 0.09506 Median : 0.3794 Median : 0.3586
## Mean : 0.00000 Mean : 0.0000 Mean : 0.0000
## 3rd Qu.: 0.50130 3rd Qu.: 0.8175 3rd Qu.: 0.8317
## Max. : 1.31379 Max. : 1.2556 Max. : 1.3047
## VALORACION_EXCURSIONES VALORACION_RECREO_NINYOS VALORACION_SALUD
## Min. :-2.8792 Min. :-2.63472 Min. :-2.8860
## 1st Qu.:-0.5992 1st Qu.:-0.46444 1st Qu.:-0.5526
## Median : 0.3128 Median :-0.03038 Median : 0.3808
## Mean : 0.0000 Mean : 0.00000 Mean : 0.0000
## 3rd Qu.: 0.7688 3rd Qu.: 0.83773 3rd Qu.: 0.8475
## Max. : 1.2248 Max. : 1.27179 Max. : 1.3142
## VALORACION_SERVICIOS_BUS VALORACION_SERVICIOS_TAXI VALORACION_ALQ_VEHIC
## Min. :-3.2260 Min. :-3.70722 Min. :-3.4051
## 1st Qu.:-0.2817 1st Qu.:-0.54496 1st Qu.:-0.3873
## Median : 0.2090 Median :-0.01792 Median : 0.1157
## Mean : 0.0000 Mean : 0.00000 Mean : 0.0000
## 3rd Qu.: 0.6998 3rd Qu.: 1.03617 3rd Qu.: 0.6186
## Max. : 1.1905 Max. : 1.03617 Max. : 1.1216
## VALORACION_SEGURIDAD VALORACION_ESTADO_CARRETERAS
## Min. :-3.90791 Min. :-3.2308
## 1st Qu.:-0.54964 1st Qu.:-0.3298
## Median : 0.01008 Median : 0.1538
## Mean : 0.00000 Mean : 0.0000
## 3rd Qu.: 0.56979 3rd Qu.: 0.6373
## Max. : 1.12950 Max. : 1.1208
## VALORACION_CALIDAD_COMERCIO
## Min. :-3.2909
## 1st Qu.:-0.7734
## Median : 0.2336
## Mean : 0.0000
## 3rd Qu.: 0.7371
## Max. : 1.2406Ejecutamos la función NbClus:
Nb.viajeros=NbClust(naviajeros.tip, distance = "euclidean", min.nc = 2, max.nc = 10, method = "complete", index ="all")
## *** : The Hubert index is a graphical method of determining the number of clusters.
## In the plot of Hubert index, we seek a significant knee that corresponds to a
## significant increase of the value of the measure i.e the significant peak in Hubert
## index second differences plot.
## 
## *** : The D index is a graphical method of determining the number of clusters.
## In the plot of D index, we seek a significant knee (the significant peak in Dindex
## second differences plot) that corresponds to a significant increase of the value of
## the measure.
##
## *******************************************************************
## * Among all indices:
## * 12 proposed 2 as the best number of clusters
## * 4 proposed 3 as the best number of clusters
## * 3 proposed 5 as the best number of clusters
## * 4 proposed 6 as the best number of clusters
## * 1 proposed 10 as the best number of clusters
##
## ***** Conclusion *****
##
## * According to the majority rule, the best number of clusters is 2
##
##
## *******************************************************************fviz_nbclust(Nb.viajeros) + theme_minimal() + labs(x="Número k de clusters", y="Frecuencia")## Among all indices:
## ===================
## * 2 proposed 0 as the best number of clusters
## * 12 proposed 2 as the best number of clusters
## * 4 proposed 3 as the best number of clusters
## * 3 proposed 5 as the best number of clusters
## * 4 proposed 6 as the best number of clusters
## * 1 proposed 10 as the best number of clusters
##
## Conclusion
## =========================
## * According to the majority rule, the best number of clusters is 2 .
Por lo tanto la opción mayoritaria señala 2 grupos de CLUSTERS, por lo que procedemos a representar gráficamente estos 2 clusters:
require(cluster)
viajeros.clara=clara(naviajeros, 2, samples=200)require(factoextra)
fviz_cluster(viajeros.clara, stand = TRUE, geom = "point", pointsize = 1)
Podemos comprobar como existe una clara segementación de 2 grupos bastante heterogéneos, a pesar de que existeuna pequeña zona de convergencia entre los grupos.
plot(silhouette(viajeros.clara),col = 2:3, main = "Gráfico de perfil")
Obtenemos los medioides:
viajeros.clara$medoids## IMPRESION VALORACION_ALOJ VALORACION_TRATO_ALOJ
## 11910 4 7 7
## 10992 5 9 9
## VALORACION_GASTRONO_ALOJ VALORACION_CLIMA VALORACION_ZONAS_BANYO
## 11910 7 8 8
## 10992 9 9 9
## VALORACION_PAISAJES VALORACION_MEDIO_AMBIENTE
## 11910 8 8
## 10992 9 9
## VALORACION_TRANQUILIDAD VALORACION_LIMPIEZA
## 11910 8 8
## 10992 9 9
## VALORACION_CALIDAD_RESTAUR VALORACION_OFERTA_GASTR_LOC
## 11910 7 7
## 10992 9 9
## VALORACION_TRATO_RESTAUR VALORACION_PRECIO_RESTAUR
## 11910 7 7
## 10992 9 9
## VALORACION_CULTURA VALORACION_DEPORTES VALORACION_GOLF
## 11910 7 7 7
## 10992 9 9 9
## VALORACION_PARQUES_OCIO VALORACION_AMBIENTE_NOCTURNO
## 11910 7 7
## 10992 9 9
## VALORACION_EXCURSIONES VALORACION_RECREO_NINYOS VALORACION_SALUD
## 11910 7 7 7
## 10992 9 9 9
## VALORACION_SERVICIOS_BUS VALORACION_SERVICIOS_TAXI
## 11910 7 7
## 10992 9 9
## VALORACION_ALQ_VEHIC VALORACION_SEGURIDAD
## 11910 7 7
## 10992 9 9
## VALORACION_ESTADO_CARRETERAS VALORACION_CALIDAD_COMERCIO
## 11910 7 7
## 10992 9 9Tras haber clusterizado a los viajeros, creamos una tabla en la que se indique en qué cluster se ha introducido a cada viajero para poder ver si tienen características comunes como por ejemplo ingresos, edad…:
clusters<-viajeros.clara$clustering
clusters<-as.data.frame(clusters)
resultado<-na.omit(viajerosv5)
resultado<-data.frame(clusters,resultado)head(resultado)## clusters X PAIS_RESID_AGRUP ALOJ_CATEG_1
## 7 1 242037 Reino Unido Hoteles - apartahoteles de 4 estrellas
## 11 1 161764 Reino Unido Extrahoteleros
## 12 1 228332 Otros Hoteles - apartahoteles de 4 estrellas
## 23 1 146449 Espa\xf1a Hoteles - apartahoteles de 4 estrellas
## 28 1 219486 Reino Unido Extrahoteleros
## 35 2 254647 Espa\xf1a Hoteles - apartahoteles de 4 estrellas
## IMPRESION VALORACION_ALOJ VALORACION_TRATO_ALOJ
## 7 1 7 7
## 11 5 10 7
## 12 4 7 9
## 23 4 9 9
## 28 4 8 7
## 35 4 10 10
## VALORACION_GASTRONO_ALOJ VALORACION_CLIMA VALORACION_ZONAS_BANYO
## 7 1 8 8
## 11 10 9 10
## 12 6 10 8
## 23 9 10 9
## 28 9 10 9
## 35 9 10 9
## VALORACION_PAISAJES VALORACION_MEDIO_AMBIENTE VALORACION_TRANQUILIDAD
## 7 10 10 9
## 11 10 10 10
## 12 9 8 6
## 23 10 9 8
## 28 9 9 5
## 35 8 9 10
## VALORACION_LIMPIEZA VALORACION_CALIDAD_RESTAUR
## 7 7 10
## 11 5 10
## 12 6 8
## 23 9 6
## 28 9 10
## 35 10 9
## VALORACION_OFERTA_GASTR_LOC VALORACION_TRATO_RESTAUR
## 7 7 10
## 11 10 10
## 12 8 9
## 23 8 4
## 28 8 9
## 35 8 9
## VALORACION_PRECIO_RESTAUR VALORACION_CULTURA VALORACION_DEPORTES
## 7 8 7 7
## 11 10 1 1
## 12 10 1 10
## 23 5 7 6
## 28 9 5 5
## 35 9 8 8
## VALORACION_GOLF VALORACION_PARQUES_OCIO VALORACION_AMBIENTE_NOCTURNO
## 7 3 10 10
## 11 1 10 10
## 12 10 8 8
## 23 7 6 8
## 28 10 5 8
## 35 9 9 8
## VALORACION_EXCURSIONES VALORACION_RECREO_NINYOS VALORACION_SALUD
## 7 8 8 8
## 11 10 1 1
## 12 6 9 4
## 23 7 6 7
## 28 5 9 5
## 35 9 9 9
## VALORACION_SERVICIOS_BUS VALORACION_SERVICIOS_TAXI VALORACION_ALQ_VEHIC
## 7 3 5 5
## 11 10 10 10
## 12 8 9 6
## 23 8 7 6
## 28 8 8 10
## 35 10 9 9
## VALORACION_SEGURIDAD VALORACION_ESTADO_CARRETERAS
## 7 7 5
## 11 10 10
## 12 7 4
## 23 8 5
## 28 8 10
## 35 9 7
## VALORACION_CALIDAD_COMERCIO VALORACION_HOSPITALIDAD SEXO EDAD
## 7 7 7 Hombre 28
## 11 10 10 Hombre 25
## 12 8 10 Hombre 38
## 23 8 9 Hombre 25
## 28 10 10 Mujer 18
## 35 9 9 Hombre 30
## OCUPACION INGRESOS
## 7 Aut\xf3nomo - profesi\xf3n liberal M\xe1s de 84000
## 11 Asalariado alta direcci\xf3n De 60001 a 72000
## 12 Estudiante M\xe1s de 84000
## 23 Otros trabajadores y obreros De 12000 a 24000
## 28 Otros trabajadores y obreros De 12000 a 24000
## 35 Aut\xf3nomo - profesi\xf3n liberal De 24001 a 36000A continuaciñon representaremos gráficamente las distribuciones de las variables nominales en cada cluster, para poder estimar el tipo de viajero (pais de origen, ingresos, edad…) del que se compone cada cluster:
table(resultado$clusters, resultado$PAIS_RESID_AGRUP)##
## Alemania Espa\xf1a Otros Reino Unido
## 1 420 567 823 635
## 2 189 264 477 439ggplot(aes(x = clusters, y = PAIS_RESID_AGRUP), data = resultado, colour = 'red') +
geom_point(size = 4, alpha=0.3 , position="jitter", colour = 'dark blue')
En este gráfico podemos ver que en los datos obtenidos, la procedencia mayoritaria en ambos clusters son de UK y Otros, pero no podemos confirmar a simple vista que exista una diferenciación de clusters en función del pais de procedencia.
table(resultado$clusters, resultado$INGRESOS)##
## De 12000 a 24000 De 24001 a 36000 De 36001 a 48000 De 48001 a 60000
## 1 597 500 360 311
## 2 371 307 221 177
##
## De 60001 a 72000 De 72001 a 84000 M\xe1s de 84000
## 1 176 131 370
## 2 100 60 133ggplot(aes(x = clusters, y = INGRESOS), data = resultado) +
geom_point(size = 4, alpha=0.2 , position="jitter", colour = 'dark blue')
En el caso de los ingresos sucede algo similar. La mayor parte de los viajeros se encuentra en rangos salariales entre 12.000-36.000 y 72.001-84.000, pero no se aprecia segmentación entre clusters.
table(resultado$clusters, resultado$IMPRESION)##
## 1 2 3 4 5
## 1 63 82 249 1395 656
## 2 31 4 12 263 1059ggplot(aes(x = clusters, y = IMPRESION), data = resultado) +
geom_point(size = 4, alpha=0.2 , position="jitter", colour = 'dark blue')
En la categoría de impresión, si hemos comprobado que existe una segmentación entre clusters, en la que podemos ver que en el cluster 1 hay una tendencia a dar una impresión de nota 4 y en el cluster dos, la nota que predomina es el 5.
table(resultado$EDAD, resultado$clusters)##
## 1 2
## 16 5 5
## 17 11 4
## 18 37 22
## 19 51 23
## 20 45 36
## 21 51 35
## 22 50 36
## 23 86 31
## 24 78 38
## 25 116 40
## 26 74 52
## 27 72 40
## 28 87 51
## 29 79 42
## 30 104 57
## 31 71 43
## 32 58 36
## 33 70 31
## 34 55 37
## 35 73 39
## 36 68 34
## 37 66 31
## 38 52 32
## 39 57 31
## 40 64 50
## 41 46 22
## 42 50 43
## 43 55 24
## 44 52 32
## 45 53 40
## 46 66 28
## 47 45 22
## 48 45 34
## 49 40 32
## 50 69 39
## 51 38 15
## 52 29 20
## 53 29 10
## 54 29 15
## 55 31 22
## 56 21 12
## 57 20 5
## 58 14 12
## 59 18 9
## 60 30 10
## 61 13 7
## 62 13 5
## 63 10 8
## 64 8 1
## 65 8 3
## 66 8 2
## 67 4 5
## 68 6 5
## 69 2 3
## 70 5 4
## 71 2 0
## 72 1 2
## 73 1 1
## 74 1 0
## 75 2 1
## 76 1 0ggplot(aes(x = clusters, y = EDAD), data = resultado) +
geom_point(size = 4, alpha=0.2 , position="jitter", colour = 'dark blue')
En el caso de la edad sucede algo similar que con el sueldo y la procedencia, no se puede definir una clara segmentación.
table(resultado$clusters, resultado$OCUPACION)##
## Ama de casa Asalariado alta direcci\xf3n Asalariado cargo medio
## 1 22 259 701
## 2 19 117 378
##
## Asalariado nivel auxiliar Aut\xf3nomo - profesi\xf3n liberal
## 1 158 280
## 2 101 174
##
## Empresario Estudiante Jubilado \x96 retirado
## 1 365 214 81
## 2 202 128 30
##
## Otros trabajadores y obreros Parado
## 1 311 54
## 2 195 25ggplot(aes(x = clusters, y = OCUPACION), data = resultado) +
geom_point(size = 4, alpha=0.15 , position="jitter", colour = 'dark blue')
En el caso de la ocupación sucede algo similar que con el sueldo y la procedencia, no se puede definir una clara segmentación.
table(resultado$clusters, resultado$ALOJ_CATEG_1) ##
## Extrahoteleros Hoteles - apartahoteles de 4 estrellas
## 1 692 985
## 2 344 557
##
## Hoteles - apartahoteles de 5 estrellas
## 1 138
## 2 106
##
## Hoteles - apartahoteles de hasta 3 estrellas
## 1 448
## 2 187
##
## Otros tipos de alojamientos
## 1 71
## 2 49
##
## Viviendas propias o casas de amigos o familiares
## 1 111
## 2 126ggplot(aes(x = clusters, y = ALOJ_CATEG_1), data = resultado) +
geom_point(size = 4, alpha=0.09 , position="jitter", colour = 'dark blue')
En el caso de la categoría de alojamiento podemos decir que
table(resultado$clusters, resultado$SEXO)##
## Hombre Mujer
## 1 1402 1043
## 2 701 668ggplot(aes(x = clusters, y = SEXO), data = resultado) +
geom_point(size = 4, alpha=0.35 , position="jitter", colour = 'dark blue')
En el caso del sexo, podríamos decir que en el cluster 1 hay unmayor numero de hombres que en el cluster 2.
Por último vamos a comprobar si existe una segmentación entre VALORACIONES en cada cluster:
ggplot(aes(x = clusters, y = VALORACION_TRATO_ALOJ), data = resultado) +
geom_point(size = 4, alpha=0.2 , position="jitter", colour = 'dark blue')
En el CLUSTER 2 valoran más el trato del alojamiento que en el CLUSTER 1.
ggplot(aes(x = clusters, y = VALORACION_ALOJ), data = resultado) +
geom_point(size = 4, alpha=0.2 , position="jitter", colour = 'dark blue')
En el CLUSTER 1 valoran más el Alojamiento que en el CLUSTER 2.
ggplot(aes(x = clusters, y = VALORACION_GASTRONO_ALOJ), data = resultado) +
geom_point(size = 4, alpha=0.2 , position="jitter", colour = 'dark blue')
En el CLUSTER 2 valoran más la GASTRONOMÍA DEL ALOJAMIENTO que en el CLUSTER 1.
ggplot(aes(x = clusters, y = VALORACION_LIMPIEZA), data = resultado) +
geom_point(size = 4, alpha=0.2 , position="jitter", colour = 'dark blue')
En el CLUSTER 1 valoran más LA LIMPIEZA que en el CLUSTER 2.
ggplot(aes(x = clusters, y = VALORACION_OFERTA_GASTR_LOC), data = resultado) +
geom_point(size = 4, alpha=0.2 , position="jitter", colour = 'dark blue')
En el CLUSTER 2 valoran más LA OFERTA GASTRONÓMICA LOCAL que en el CLUSTER 1.
ggplot(aes(x = clusters, y = VALORACION_PRECIO_RESTAUR), data = resultado) +
geom_point(size = 4, alpha=0.2 , position="jitter", colour = 'dark blue')